基于混沌粒子群优化小波神经网络的短时交通流预测

被引：13

作者：

沈永增 ^{[1
]}

闫纪如 ^{[1
]}

王炜 ^{[2
]}

机构：

[1] 浙江工业大学信息工程学院

[2] 浙江工业大学计算机科学与技术学院

来源：

计算机应用与软件 | 2014年 / 31卷 / 06期

关键词：

混沌; 粒子群; 小波神经网络; 短时交通流预测;

D O I：

暂无

中图分类号：

U491.112 []; TP183 [人工神经网络与计算];

学科分类号：

摘要：

根据交通流量的非线性、时变性和复杂性等特点,提出基于混沌粒子群CPSO(Chaos Particle Swarm Optimization)优化小波神经网络WNN(Wavelet Neural Networks)的短时交通流预测。结合混沌的随机性和遍历性改进粒子群优化算法,改善粒子群优化算法容易陷入局部最优的问题。利用混沌粒子群算法优化小波神经网络的模型参数,克服传统小波神经网络采用梯度下降法易陷入局部极值和引起振荡效应现象缺陷。仿真结果表明,混沌粒子群优化小波神经网络与粒子群优化小波神经网络和小波神经网络两种方法相比,其提高了收敛速度和预测精度。

引用

页码：84 / 86+90 +90

页数：4

共 10 条

[1] 基于混沌粒子群优化算法的认知网络流量分类方法研究 [J].